全书共有9章内容。包括绪论、线性回归模型与正则化方法、广义线性模型和变量选择、稳健的变量选择方法、超高维模型的变量筛选方法、协方差矩阵和精度矩阵的估计、多重假设检验与错误发现率控制、高维测量误差模型、高维回归模型的迁移学习等内容。除了深入讲解高维统计的思想、方法与理论，书中还精心编排了大量习题，供读者巩固练习。

本书着重介绍统计学的基本原理以及统计方法在实务中的应用，在内容安排上，贯彻“大统计”学科建设的思想，针对客观实际中存在的大量不确定现象，在书中对随机现象的统计处理引进数理统计方法，力求使社会经济统计与数理统计融为一体。在体系设计上，根据人们认识客观现象的顺序进行安排，并结合EXCEL软件的运用，从实例分析入手，阐明数理

本书共分11章，第1章介绍统计学习方法的概念，了解统计学习内涵、对象、分类与模型评价准则；第2章到第9章，由浅入深讲解主流统计学习方法，涵盖线性回归、重抽样、分类算法、非线性回归、树模型、支持向量机、非参数检验与非参数估计，覆盖经典与前沿统计学习框架。第10章聚焦R语言核心操作，从基础语法、数据处理、编程实现到可视化绘

高等理工院校研究生教材。结合高等工程数学课程教学要求，涉及工程矩阵和概率论基础相关内容，以及数据统计相关内容和多元数据分析相关理论及应用方法，涵盖人工智能、大数据相关所需的理论数学与大数据统计知识点。旨在提高学生的工程实践素质和能力，培养工程实践型专业创新人才。主要的特色是将思政元素有机融合到教材编写的案例中，将结合统

本书根据统计学相关知识和教学需求，设计了多个教学项目，教学项目由若干个任务构成。对于主要的统计学方法，均通过Excel进行操作演示，不仅能够培养学生将理论知识应用到实践中的能力，还有助于提升学生的动手操作能力，实现学生在校学习与实际统计工作的无缝对接。

本书介绍了数据分析中常用的统计方法和数据挖掘算法，旨在为读者提供必要的理论与实践支持。全书共八章，涵盖R语言初步、探索性数据分析、回归模型、Bayes统计、决策树与KNN算法、支持向量机、Bayes分类器、时间序列分析等。本书提供丰富示例、图表、R代码，各章配有习题，并列出主要参考文献和关键词索引以满足读者查阅及进一步

本书主要内容包括：绪论、统计调查、统计整理、综合指标、时间序列、统计指数、相关和回归、假设检验、参数估计等。

本书共分9章，内容包括绪论、数据的收集、数据的整理与显示、数据分布特征的描述、统计量及其抽样分布、参数估计、假设检验、相关分析与回归分析、时间序列分析。本书在章节导入、案例使用、习题编写等方面充分融入思政元素，并结合应用软件Excel提供了丰富的实践应用案例。构建了多层次的习题体系，强化知识理解与运用。创新教材形态，融

本书以统计学为核心，辐射经济学、管理学、城市科学等领域。本书通过多领域案例（如经济指标分析、社会行为建模、空间数据挖掘）体现统计方法在不同学科间的交叉应用，并从经典线性回归延伸到前沿的贝叶斯与空间模型，覆盖参数与非参数方法，兼顾理论严谨性与实证操作性。此外，本书重点强调数据预处理、模型诊断（如残差分析、异方差检验）和模

本书主要包括以下研究内容：(1)高维中的变量选择问题，解决了传统的SIS方法在排序中未能消除错误变量的问题，提出一种基于样本分割类似树状结构的特征筛选方法，证明了该方法具有确切筛选属性。(2)回归中的充分降维问题，解决多元自适应回归样条方法，在存在高阶边际样条交互时回归估计效率低的问题。(3)机器学习中倾斜决策树(Ob